CN113721603B - 基站探索方法、装置、机器人及可读存储介质 - Google Patents

基站探索方法、装置、机器人及可读存储介质 Download PDF

Info

Publication number
CN113721603B
CN113721603B CN202110869300.3A CN202110869300A CN113721603B CN 113721603 B CN113721603 B CN 113721603B CN 202110869300 A CN202110869300 A CN 202110869300A CN 113721603 B CN113721603 B CN 113721603B
Authority
CN
China
Prior art keywords
obstacle
base station
grid
subgraph
robot
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110869300.3A
Other languages
English (en)
Other versions
CN113721603A (zh
Inventor
王宇谦
梁康华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yunjing Intelligence Technology Dongguan Co Ltd
Yunjing Intelligent Shenzhen Co Ltd
Original Assignee
Yunjing Intelligence Technology Dongguan Co Ltd
Yunjing Intelligent Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yunjing Intelligence Technology Dongguan Co Ltd, Yunjing Intelligent Shenzhen Co Ltd filed Critical Yunjing Intelligence Technology Dongguan Co Ltd
Priority to CN202110869300.3A priority Critical patent/CN113721603B/zh
Publication of CN113721603A publication Critical patent/CN113721603A/zh
Application granted granted Critical
Publication of CN113721603B publication Critical patent/CN113721603B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0219Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请公开了一种基站探索方法、装置、机器人及可读存储介质,该方法包括步骤:构建障碍物子图;根据所述障碍物子图确定闭环路径;根据所述闭环路径,对基站进行探索。本申请实现了通过闭环路径来对基站进行探索,其中,闭环路径由障碍物子图进行确定,可以理解,通过构建的反应机器人所处环境中障碍物的障碍物子图,可以确定不同的闭环路径,由此实现根据所处的环境对闭环路径进行灵活改变,从而提高了机器人探索基站的效率。

Description

基站探索方法、装置、机器人及可读存储介质
技术领域
本申请涉及机器人技术领域,尤其涉及一种基站探索方法、装置、机器人及可读存储介质。
背景技术
目前,机器人具备自行返回基站的能力,即在机器人被召回基站时,机器人能够自动返回基站,然而,在机器人定位出现偏差或者基站被小范围移动,导致基站不在其出基站时的原来的位置时,机器人将无法找到基站,从而自行返回基站。
对此,现有的解决方案为通过预设的行走路线来探索基站,然而,由于该行走路线是预设的,比较死板,使得机器人在探索基站时无法根据所处的环境进行灵活改变行走路线,导致机器人探索基站的效率低。
发明内容
本申请的主要目的在于提供一种基站探索方法、装置、机器人及可读存储介质,旨在解决现有的如何提高机器人探索基站的效率的技术问题。
为实现上述目的,本申请提供一种基站探索方法,应用于机器人,所述基站探索方法包括步骤:
构建障碍物子图;
根据所述障碍物子图确定闭环路径;
根据所述闭环路径,对基站进行探索。
可选地,在所述构建障碍物子图之前,还包括:
根据机器人上一次退出基站的参考位置设定探索范围;所述参考位置为机器人上一次退出基站时,在所述基站附近机器人经过的位置。
可选地,所述障碍物子图为栅格地图,在所述构建障碍物子图的过程中,所述方法还包括:
将所述障碍物子图中在机器人当前位置不能扫描到的区域的栅格标记待探索标签;
将所述障碍物子图中在机器人当前位置已扫描到的区域的栅格标记已探索标签;
将所述障碍物子图中在机器人当前位置已扫描到的区域未检测到障碍物的栅格标记无需探索标签。
可选地,所述障碍物子图包括以下至少一种地图信息:其他障碍物信息、墙体障碍物信息、墙边障碍物信息,所述方法还包括:
根据所述至少一种地图信息将障碍物子图进行平移和/或旋转,得到平移/或旋转后的障碍物子图。
可选地,所述障碍物子图为栅格地图,所述障碍物子图的栅格包括障碍物栅格和非障碍物栅格,根据所述障碍物子图确定闭环路径,包括:
根据所述障碍物子图,选取障碍物栅格中与非障碍物栅格相邻的障碍物栅格为目标障碍物栅格;
选取距离所述目标障碍物栅格的最小距离不小于目标距离,且相互连通的非障碍物栅格为目标栅格;
根据所述目标栅格生成闭环路径。
可选地,在所述选取距离所述目标障碍物栅格的最小距离不小于目标距离,且相互联通的非障碍物栅格为目标栅格之前,所述方法还包括:
根据所述机器人尺寸确定所述目标距离;其中,所述目标距离不小于所述机器人能够通过的最小路径宽度的1/2。
可选地,所述根据所述闭环路径,对所述基站进行探索,包括:
选取最长的闭环路径;按照所述最长的闭环路径对所述基站进行探索。
可选地,所述闭环路径包括以下至少一种:内环路径和外环路径;所述内环路径为绕以下至少一种对象内边缘的路径:墙体、墙体障碍物、地图边缘;所述外环路径为绕中间障碍物外边缘的路径;所述根据所述闭环路径,对所述基站进行探索,包括:
在按照所述内环路径对所述基站进行探索失败时,则按照所述外环路径对所述基站进行探索。
此外,为实现上述目的,本申请还提供一种基站探索装置,所述基站探索装置包括:
构建模块,用于构建障碍物子图;
确定模块,用于根据所述障碍物子图确定闭环路径;
探索模块,用于根据所述闭环路径,对基站进行探索。
可选地,所述基站探索装置还包括:
设定模块,用于根据机器人上一次退出基站的参考位置设定探索范围;所述参考位置为机器人上一次退出基站时,在所述基站附近机器人经过的位置。
可选地,所述障碍物子图为栅格地图,在所述构建障碍物子图的过程中,所述构建模块还用于:
将所述障碍物子图中在机器人当前位置不能扫描到的区域的栅格标记待探索标签;
将所述障碍物子图中在机器人当前位置已扫描到的区域的栅格标记已探索标签;
将所述障碍物子图中在机器人当前位置已扫描到的区域未检测到障碍物的栅格标记无需探索标签。
可选地,所述障碍物子图包括以下至少一种地图信息:其他障碍物信息、墙体障碍物信息、墙边障碍物信息,所述构建模块还用于:
根据所述至少一种地图信息将障碍物子图进行平移和/或旋转,得到平移/或旋转后的障碍物子图。
可选地,所述障碍物子图为栅格地图,所述障碍物子图的栅格包括障碍物栅格和非障碍物栅格,所述确定模块具体用于:
根据所述障碍物子图,选取障碍物栅格中与非障碍物栅格相邻的障碍物栅格为目标障碍物栅格;
选取距离所述目标障碍物栅格的最小距离不小于目标距离,且相互连通的非障碍物栅格为目标栅格;
根据所述目标栅格生成闭环路径。
可选地,在所述选取距离所述目标障碍物栅格的最小距离不小于目标距离,且相互联通的非障碍物栅格为目标栅格之前,所述确定模块还用于:
根据所述机器人尺寸确定所述目标距离;其中,所述目标距离不小于所述机器人能够通过的最小路径宽度的1/2。
可选地,所述探索模块具体用于:
选取最长的闭环路径;按照所述最长的闭环路径对所述基站进行探索。
可选地,所述闭环路径包括以下至少一种:内环路径和外环路径;所述内环路径为绕以下至少一种对象内边缘的路径:墙体、墙体障碍物、地图边缘;所述外环路径为绕中间障碍物外边缘的路径;所述探索模块具体用于:
在按照所述内环路径对所述基站进行探索失败时,则按照所述外环路径对所述基站进行探索。
此外,为实现上述目的,本申请还提供一种机器人,所述机器人包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的基站探索程序,所述基站探索程序被所述处理器执行时实现如上所述的基站探索方法的步骤。
上述机器人可以为清洁机器人,清洁机器人具体可为可移动的扫地机器人、拖地机器人、扫拖一体机器人等等。
此外,为实现上述目的,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有基站探索程序,所述基站探索程序被处理器执行时实现如上所述的基站探索方法的步骤。
此外,为实现上述目的,本申请还提供一种计算机程序产品,所述计算机程序产品上存储有基站探索程序,所述基站探索程序被处理器执行时实现如上所述的基站探索方法的步骤。
与现有技术中,机器人通过预设的行走路线来探索基站,致使机器人探索基站的效率低相比,本申请通过构建障碍物子图;根据所述障碍物子图确定闭环路径;根据所述闭环路径,对基站进行探索。本申请实现了通过闭环路径来对基站进行探索,其中,闭环路径由障碍物子图进行确定,可以理解,通过构建的反应机器人所处环境中障碍物的障碍物子图,可以确定不同的闭环路径,由此实现根据所处的环境对闭环路径进行灵活改变,从而提高了机器人探索基站的效率。
附图说明
图1是本申请基站探索方法第一实施例的流程示意图;
图2是本申请基站探索方法第二实施例的流程示意图;
图3是本申请实施例中一闭环路径示意图;
图4是本申请实施例中又一闭环路径示意图;
图5是本申请实施例方案涉及的硬件运行环境的结构示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供一种基站探索方法,参照图1,图1为本申请基站探索方法第一实施例的流程示意图。
本申请实施例提供了基站探索方法的实施例,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。基站探索方法可应用于机器人中。为了便于描述,以下省略执行主体描述基站探索方法的各个步骤。基站探索方法包括:
步骤S10,构建障碍物子图。
在本实施例中,基站被放置于房间内,因此,机器人探索基站的环境为房间内。在机器人被召回基站时,构建障碍物子图,该障碍物子图基于临时建立的空白地图构建,具体地,在建立空白地图后,通过获取实时的感知信息来对该空白地图进行维护(即内容填充)。其中,感知信息包括通过激光雷达获取的点云数据、通过碰撞传感器获取的碰撞数据、通过IMU(Inertial MeasurementUnit,惯性传感器)获取的惯性数据和通过磁传感器获取的磁数据等反应机器人能够感知到的周边环境信息。
具体地,所述构建障碍物子图,包括:
步骤a,获取所述探索范围的障碍物信息;
步骤b,根据所述障碍物信息构建所述障碍物子图。
在本实施例中,获取探索范围的障碍物信息,该障碍物信息包括桌腿、椅子腿和茶几腿等对机器人行进过程造成阻碍的障碍物的信息,其中,障碍物信息还包括基站,在构建障碍物子图时,通过该障碍物信息构建障碍物子图,即障碍物子图中包括障碍物信息和非障碍物信息(不会对机器人行进过程造成阻碍的区域的信息)。
需要说明的是,障碍物子图的尺寸可以设置,例如3m*3m或2m*2m等,该尺寸具体依据机器人出现定位偏差的大概距离而定,可以理解,房间一般不会过大,例如房间大小为20m2,则机器人出现定位偏差一般只发生在20m2的房间内,例如基站被移动了2米。
可以理解,由于机器人探索基站的范围为房间内,因此,在障碍物子图中,只需包括房间内的障碍物信息和非障碍物信息,而无需包括房间外的障碍物信息和非障碍物信息。
进一步地,所述障碍物子图包括以下至少一种地图信息:其他障碍物信息、墙体障碍物信息、墙边障碍物信息,所述方法还包括:
步骤c1,根据所述至少一种地图信息将障碍物子图进行平移和/或旋转,得到平移/或旋转后的障碍物子图。
在本实施例中,在障碍物子图中,包括其他障碍物信息、墙体障碍物信息和墙边障碍物信息中的至少一种地图信息,在障碍物子图的边缘非墙体障碍物信息和墙边障碍物信息时,通过上述至少一种地图信息将障碍物子图进行平移和/或旋转,得到平移和/或旋转后的障碍物子图。即,在障碍物子图完成构建后,对其进行一定的平移和/或旋转,从而使得原本未在障碍物子图边缘的墙体障碍物信息和/或墙边障碍物信息,处于该障碍物子图的边缘。
需要说明的是,对障碍物子图进行平移和/或旋转,主要考虑的是基站一般会被沿墙或靠墙放置,通过对障碍物子图进行平移和/或旋转,从而使得障碍物子图中的墙体障碍物信息和/或墙边障碍物信息处于障碍物子图的边缘,进而方便机器人沿该边缘进行基站的探索,从而提高了基站探索的效率。
其中,墙体障碍物信息在障碍物子图中所占据的位置是连续的,例如在四边形的障碍物子图中,在其边缘出现墙体障碍物信息时,墙壁所在的边将全部为墙壁,而不会出现其他的障碍物信息。
进一步地,在所述构建障碍物子图之前,还包括:
步骤c2,根据机器人上一次退出基站的参考位置设定探索范围;所述参考位置为机器人上一次退出基站时,在所述基站附近机器人经过的位置。
在本实施例中,上述探索范围基于参考位置设定,该参考位置为机器人上一次退出基站时,在基站附近机器人经过的位置,该位置包括机器人上一次退出基站时的位置以及上一次退出基站时的周边位置,周边位置可为以基站的位置为中心的一定范围内的位置,其中,一定范围可通过以基站的位置为圆心、以预设半径画圆得到,需要说明的是,该周边位置可根据具体需要进行设置,本实施例不做具体限定。即在机器人被召回到达参考位置后且机器人无法找到基站时,基于该参考位置设定探索范围,以探索基站。其中,上述障碍物子图在构建时,以参考位置为中心建立。
步骤S20,根据所述障碍物子图确定闭环路径。
在本实施例中,通过障碍物子图确定闭环路径,可以理解,该闭环路径为机器人的探索路径的首尾能够形成闭环的路径,即由起点出发,之后再回到起点(为避免重复探索,机器人探索过程中的行进位置一般不重复)。
步骤S30,根据所述闭环路径,对基站进行探索。
在本实施例中,通过上述闭环路径,对基站进行探索,并在探索到基站后,返回该基站,从而完成对基站的探索。此外,若探索完该闭环路径后,在障碍物子图中不存在连续路径,或者没有剩下未探索的连续路径时,同样结束对基站的探索。
与现有技术中,机器人通过预设的行走路线来探索基站,致使机器人探索基站的效率低相比,本实施例通过构建障碍物子图;根据所述障碍物子图确定闭环路径;根据所述闭环路径,对基站进行探索。本实施例实现了通过闭环路径来对基站进行探索,其中,闭环路径由障碍物子图进行确定,可以理解,通过构建的反应机器人所处环境中障碍物的障碍物子图,可以确定不同的闭环路径,由此实现根据所处的环境对闭环路径进行灵活改变,从而提高了机器人探索基站的效率。
进一步地,基于本申请基站探索方法第一实施例,提出第二实施例,所述障碍物子图为栅格地图,在所述构建障碍物子图的过程中,所述方法还包括:
将所述障碍物子图中在机器人当前位置不能扫描到的区域的栅格标记待探索标签;
将所述障碍物子图中在机器人当前位置已扫描到的区域的栅格标记已探索标签;
将所述障碍物子图中在机器人当前位置已扫描到的区域未检测到障碍物的栅格标记无需探索标签。
在本实施例中,障碍物子图为栅格地图,该栅格地图由多个栅格组成,其中,该栅格的大小可根据需要设置,本实施例不做具体限定。需要说明的是,栅格的大小代表了栅格地图的分辨率,该分辨率又决定了机器人探索基站时的探索精度,其中,分辨率越高,机器人探索基站时的探索精度越高;分辨率越低,机器人探索基站时的探索精度越高。
具体地,对机器人而言,栅格地图用于探索基站,在探索至一位置时,在机器人当前位置通过雷达扫描附近区域时,将机器人当前不能扫描的区域对应的栅格标记为待探索标签,即待探索标签对应的栅格为机器人等待探索的栅格;将机器人当前已扫描到的区域对应栅格标记为已探索标签,即已探索标签对应的栅格为机器人已经探索的栅格;将机器人当前已扫描到的区域但未检查到障碍物的栅格标记为无需探索标签,即无需探索标签对应的栅格为机器人无需探索的栅格。
本实施例中,障碍物子图为栅格地图,该栅格地图中的各栅格被标记为待探索标签、已探索标签或无需探索标签,以通过各标签对各栅格进行分类,从而依据该分类后的各栅格对机器人的探索路线进行规划,避免了对待探索标签之外的栅格进行重复或非必要探索,进而提高了机器人探索基站的探索效率。
进一步地,参照图2,基于本申请基站探索方法第一实施例,提出第三实施例,所述障碍物子图为栅格地图,所述障碍物子图的栅格包括障碍物栅格和非障碍物栅格,根据所述障碍物子图确定闭环路径,包括:
步骤S21,根据所述障碍物子图,选取障碍物栅格中与非障碍物栅格相邻的障碍物栅格为目标障碍物栅格;
步骤S22,选取距离所述目标障碍物栅格的最小距离不小于目标距离,且相互连通的非障碍物栅格为目标栅格;
步骤S23,根据所述目标栅格生成闭环路径。
在本实施例中,障碍物子图为栅格地图,其中,该障碍物子图的栅格包括障碍物栅格和非障碍物栅格。对于非障碍物栅格,可以理解,其为上述非障碍物信息对于的栅格,而对于障碍物栅格,其为障碍物信息对应的栅格,需要说明的是,该障碍物信息还包括地图边缘对应的障碍物信息。其中,本实施例中栅格地图的实施例部分与第二实施例中栅格地图的实施例部分基本相同,在此不再赘述。
具体地,从障碍物子图中,选取障碍物栅格中与非障碍物栅格相邻的障碍物栅格为目标障碍物栅格,参照图3,图3中“#”为栅格地图中不可走栅格,包括障碍物和地图边缘,即障碍物栅格,可以理解,在栅格地图中,最大的不可走栅格簇为地图边缘,“0”和“X”为可走栅格,图3中的闭环路径由紧挨地图边缘的可走栅格组成,如图3所示,“X”对应的目标栅格组成闭环路径。可以理解,图3中存在与“0”相邻的障碍物栅格和与“X”相邻的障碍物栅格,
具体地,该闭环路径的生成过程为:
选取目标栅格,以通过该目标栅格生成闭环路径,其中,目标栅格的选取过程为选取距离目标障碍物栅格的最小距离不小于目标距离,且相互连通的非障碍物栅格为目标栅格。其中,相互连通的非障碍物栅格为栅格之间没有夹杂着障碍物栅格。参照图3,图3中的各“X”为目标栅格,各目标栅格组成了闭环路径。
其中,在所述选取距离所述目标障碍物栅格的最小距离不小于目标距离,且相互联通的非障碍物栅格为目标栅格之前,所述方法还包括:
步骤d,根据所述机器人尺寸确定所述目标距离;其中,所述目标距离不小于所述机器人能够通过的最小路径宽度的1/2。
在本实施例中,在确定目标栅格之前,可确定目标距离,需要说明的是,该目标距离用于保证机器人在探索基站的过程中一定能够在该目标栅格中行进,而不会被障碍物所阻挡。
具体地,通过机器人尺寸确定目标距离,根据机器人直径或机器人半径确定机器人能够通过的最小路径宽度,机器人能够通过的最小路径宽度,可以是机器人直径,例如机器人直径为40cm,最小路径宽度可以是40cm,机器人能够通过的最小路径宽度,还可以是比机器人直径大预设数值的宽度,例如机器人直径为40cm,最小路径宽度可以是50cm,从而使机器人左右两边有空间,避免机器人发生碰撞,该目标距离不小于最小路径宽度的1/2。例如机器人直径为40cm,则目标距离不应小于20cm。
本实施例中,通过由机器人尺寸确定的目标距离来选取目标栅格,从而根据该目标栅格来生成闭环路径,保证了机器人在探索基站的过程中能够在该闭环路径上正常行进,而不会受到障碍物的阻碍,提高了机器人探索基站的成功率。
进一步地,基于本申请基站探索方法第一实施例、第二实施例或第三实施例,提出第四实施例,所述根据所述闭环路径,对所述基站进行探索,包括:
步骤e,选取最长的闭环路径;按照所述最长的闭环路径对所述基站进行探索。
在本实施例中,机器人生成的闭环路径可能不止一个,为提高对基站进行探索的效率,选取闭环路径中最长的闭环路径,参照图3和图4,图3中的闭环路径与图4中的闭环路径不同,可以理解,图3中的闭环路径比图4中的闭环路径多了两个目标栅格,可以理解,由于图3中的闭环路径对应的目标栅格全部与地图边缘相邻,因此,图3中的闭环路径为当前的栅格地图中最长的闭环路径,按照该最长的闭环路径对基站进行探索。
本实施例中,通过最长的闭环路径对基站进行探索,从而使得本次探索的过程对应的探索范围最大,且靠近墙体,进而提高对基站进行探索的效率。
进一步地,基于本申请基站探索方法第一实施例、第二实施例或第三实施例,提出第五实施例,所述闭环路径包括以下至少一种:内环路径和外环路径;所述内环路径为绕以下至少一种对象内边缘的路径:墙体、墙体障碍物、地图边缘;所述外环路径为绕中间障碍物外边缘的路径;所述根据所述闭环路径,对所述基站进行探索,包括:
步骤f,在按照所述内环路径对所述基站进行探索失败时,则按照所述外环路径对所述基站进行探索。
在本实施例中,闭环路径包括内环路径和外环路径中的至少一种,在按照内环路径对基站进行探索失败时,则按照外环路径对基站进行探索。其中,地图边缘为障碍物子图的边缘。
具体地,由于内环路径靠近墙体、墙体障碍物和/或地图边缘,其为探索时首选的最长连续路径,在通过该内环路径无法探索到基站时,通过外环路径探索基站,若仍然无法探索到基站,并且所有连续路径均被探索完后,则确定当前栅格地图中没有基站,结束当前栅格的探索。
需要说明的是,在栅格地图中不存在障碍物时,该内环路径为与地图边缘对应的内环路径。
此外,在所述根据所述障碍物子图确定闭环路径的过程中,所述方法还包括:
步骤g,实时获取障碍物信息;
步骤h,根据实时获取的障碍物信息对所述障碍物子图进行更新。
在本实施例中,为避免对基站进行探索的过程中,探索区域中的障碍物发生变化,而障碍物子图中的障碍物信息未发生变化,而导致机器人无法按照闭环路径行进,需要实时获取障碍物信息,以通过该障碍物信息对障碍物子图进行更新。
可以理解,障碍物信息的更新可以影响到当前的闭环路径,例如内环路径中的目标栅格被障碍物所侵占、或外环路径对应的障碍物忽然消失。会导致闭环路径需要重新规划。
具体地,在闭环路径上选点,并给到机器人的机器人导航模块,实现以一定的规律更新选点,并且在每次选点之前需要重新利用感知信息对应的感知层地图来更新规划层地图,从而更新障碍物子图,以及时处理突然出现的障碍物或障碍物突然消失对闭环路径造成的影响。例如内环路径中的目标栅格被障碍物所侵占,则重新规划内环路径;又如外环路径对应的障碍物忽然消失,则停止通过该外环路径对基站进行探索。
在本实施例中,通过内环路径和外环路径对基站进行探索,并在闭环路径中的障碍物突然消失或突然出现时,对障碍物子图进行更新,以规划出新的闭环路径,从而提高了对基站进行探索的成功率。
此外,本申请还提供一种基站探索装置,所述基站探索装置包括:
构建模块,用于构建障碍物子图;
确定模块,用于根据所述障碍物子图确定闭环路径;
探索模块,用于根据所述闭环路径,对基站进行探索。
可选地,所述基站探索装置还包括:
设定模块,用于根据机器人上一次退出基站的参考位置设定探索范围;所述参考位置为机器人上一次退出基站时,在所述基站附近机器人经过的位置。
可选地,所述障碍物子图为栅格地图,在所述构建障碍物子图的过程中,所述构建模块还用于:
将所述障碍物子图中在机器人当前位置不能扫描到的区域的栅格标记待探索标签;
将所述障碍物子图中在机器人当前位置已扫描到的区域的栅格标记已探索标签;
将所述障碍物子图中在机器人当前位置已扫描到的区域未检测到障碍物的栅格标记无需探索标签。
可选地,所述障碍物子图包括以下至少一种地图信息:其他障碍物信息、墙体障碍物信息、墙边障碍物信息,所述构建模块还用于:
根据所述至少一种地图信息将障碍物子图进行平移和/或旋转,得到平移/或旋转后的障碍物子图。
可选地,所述障碍物子图为栅格地图,所述障碍物子图的栅格包括障碍物栅格和非障碍物栅格,所述确定模块具体用于:
根据所述障碍物子图,选取障碍物栅格中与非障碍物栅格相邻的障碍物栅格为目标障碍物栅格;
选取距离所述目标障碍物栅格的最小距离不小于目标距离,且相互连通的非障碍物栅格为目标栅格;
根据所述目标栅格生成闭环路径。
可选地,在所述选取距离所述目标障碍物栅格的最小距离不小于目标距离,且相互联通的非障碍物栅格为目标栅格之前,所述确定模块还用于:
根据所述机器人尺寸确定所述目标距离;其中,所述目标距离不小于所述机器人能够通过的最小路径宽度的1/2。
可选地,所述探索模块具体用于:
选取最长的闭环路径;按照所述最长的闭环路径对所述基站进行探索。
可选地,所述闭环路径包括以下至少一种:内环路径和外环路径;所述内环路径为绕以下至少一种对象内边缘的路径:墙体、墙体障碍物、地图边缘;所述外环路径为绕中间障碍物外边缘的路径;所述探索模块具体用于:
在按照所述内环路径对所述基站进行探索失败时,则按照所述外环路径对所述基站进行探索。
本申请基站探索装置具体实施方式与上述基站探索方法各实施例基本相同,在此不再赘述。
此外,本申请还提供一种机器人。如图5所示,图5是本申请实施例方案涉及的硬件运行环境的结构示意图。
需要说明的是,图5即可为机器人的硬件运行环境的结构示意图。
如图5所示,该机器人可以包括:处理器1001,例如CPU,存储器1005,传感器1003,网络接口1004,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。传感器1003可以包括以下至少一种:激光雷达传感器、视觉传感器、探地传感器、悬崖传感器、碰撞传感器等等。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,机器人还可以包括RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。
本领域技术人员可以理解,图5中示出的机器人结构并不构成对机器人的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图5所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块以及基站探索程序。其中,操作系统是管理和控制机器人硬件和软件资源的程序,支持基站探索程序以及其它软件或程序的运行。
在图5所示的机器人中,网络接口1004可用于与基站进行数据通信;处理器1001可以用于调用存储器1005中存储的基站探索程序,并执行如上所述的基站探索方法的步骤。
上述机器人可以为清洁机器人,清洁机器人具体可为可移动的扫地机器人、拖地机器人、扫拖一体机器人等等。
为了方便用户的使用,往往通过基站配合清洁机器人的使用,该基站可用于对清洁机器人进行充电,当在清洁过程中,清洁机器人的电量少于阈值时,清洁机器人自动移动到基站处,进行充电。对于清洁机器人来说,基站还可以清洁拖擦件(如拖布),清洁机器人的拖擦件拖擦地面后,拖擦件往往变得脏污,需要对其进行清洗。为此,基站可用于对清洁机器人的拖擦件进行清洗。具体来说,拖擦清洁机器人可移动到基站上,从而基站上的清洁机构对清洁机器人的拖擦件进行自动清洗。因此,清洁机器人需要在完成清洁任务或需要充电时,返回基站,从而需要执行本方案涉及的基站探索方法,以提高探索基站的效率。
本申请机器人具体实施方式与上述基站探索方法各实施例基本相同,在此不再赘述。
此外,本申请实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有基站探索程序,所述基站探索程序被处理器执行时实现如上所述的基站探索方法的步骤。
本申请计算机可读存储介质具体实施方式与上述基站探索方法各实施例基本相同,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得机器人执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种基站探索方法,其特征在于,
应用于机器人,所述基站探索方法包括:
获取探索范围的障碍物信息,根据所述障碍物信息构建障碍物子图,所述障碍物子图为栅格地图,所述障碍物子图的栅格包括障碍物栅格和非障碍物栅格;
根据所述障碍物子图,选取障碍物栅格中与非障碍物栅格相邻的障碍物栅格为目标障碍物栅格;
选取距离所述目标障碍物栅格的最小距离不小于目标距离,且相互连通的非障碍物栅格为目标栅格;
根据所述目标栅格生成闭环路径;根据所述闭环路径,对基站进行探索。
2.如权利要求1所述的基站探索方法,其特征在于,
在所述构建障碍物子图之前,还包括:
根据机器人上一次退出基站的参考位置设定探索范围;所述参考位置为机器人上一次退出基站时,在所述基站附近机器人经过的位置。
3.如权利要求1所述的基站探索方法,其特征在于,
所述障碍物子图为栅格地图,在所述构建障碍物子图的过程中,所述方法还包括:
将所述障碍物子图中在机器人当前位置不能扫描到的区域的栅格标记待探索标签;
将所述障碍物子图中在机器人当前位置已扫描到的区域的栅格标记已探索标签;
将所述障碍物子图中在机器人当前位置已扫描到的区域未检测到障碍物的栅格标记无需探索标签。
4.如权利要求1所述的基站探索方法,其特征在于,
所述障碍物子图包括以下至少一种地图信息:其他障碍物信息、墙体障碍物信息、墙边障碍物信息,所述方法还包括:
根据所述至少一种地图信息将障碍物子图进行平移和/或旋转,得到平移/或旋转后的障碍物子图。
5.如权利要求1所述的基站探索方法,其特征在于,
在所述选取距离所述目标障碍物栅格的最小距离不小于目标距离,且相互联通的非障碍物栅格为目标栅格之前,所述方法还包括:
根据所述机器人尺寸确定所述目标距离;其中,所述目标距离不小于所述机器人能够通过的最小路径宽度的1/2。
6.如权利要求1-5任一项所述的基站探索方法,其特征在于,
所述根据所述闭环路径,对所述基站进行探索,包括:
选取最长的闭环路径;
按照所述最长的闭环路径对所述基站进行探索。
7.如权利要求1-5任一项所述的基站探索方法,其特征在于,
所述闭环路径包括以下至少一种:内环路径和外环路径;所述内环路径为绕以下至少一种对象内边缘的路径:墙体、墙体障碍物、地图边缘;所述外环路径为绕中间障碍物外边缘的路径;所述根据所述闭环路径,对所述基站进行探索,包括:
在按照所述内环路径对所述基站进行探索失败时,则按照所述外环路径对所述基站进行探索。
8.一种基站探索装置,所述基站探索装置包括:
构建模块,用于获取探索范围的障碍物信息,根据所述障碍物信息构建障碍物子图,所述障碍物子图为栅格地图,所述障碍物子图的栅格包括障碍物栅格和非障碍物栅格;
确定模块,用于根据所述障碍物子图,选取障碍物栅格中与非障碍物栅格相邻的障碍物栅格为目标障碍物栅格;选取距离所述目标障碍物栅格的最小距离不小于目标距离,且相互连通的非障碍物栅格为目标栅格;根据所述目标栅格生成闭环路径;
探索模块,用于根据所述闭环路径,对基站进行探索。
9.一种机器人,其特征在于,
所述机器人包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的基站探索程序,所述基站探索程序被所述处理器执行时实现如权利要求1至7中任一项所述的基站探索方法的步骤。
10.一种计算机可读存储介质,其特征在于,
所述计算机可读存储介质上存储有基站探索程序,所述基站探索程序被处理器执行时实现如权利要求1至7中任一项所述的基站探索方法的步骤。
CN202110869300.3A 2021-07-29 2021-07-29 基站探索方法、装置、机器人及可读存储介质 Active CN113721603B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110869300.3A CN113721603B (zh) 2021-07-29 2021-07-29 基站探索方法、装置、机器人及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110869300.3A CN113721603B (zh) 2021-07-29 2021-07-29 基站探索方法、装置、机器人及可读存储介质

Publications (2)

Publication Number Publication Date
CN113721603A CN113721603A (zh) 2021-11-30
CN113721603B true CN113721603B (zh) 2023-08-08

Family

ID=78674451

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110869300.3A Active CN113721603B (zh) 2021-07-29 2021-07-29 基站探索方法、装置、机器人及可读存储介质

Country Status (1)

Country Link
CN (1) CN113721603B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN207115189U (zh) * 2017-06-01 2018-03-16 深圳乐动机器人有限公司 机器人系统
CN108303984A (zh) * 2018-02-27 2018-07-20 弗徕威智能机器人科技(上海)有限公司 一种移动机器人的自主回充方法
CN109890574A (zh) * 2016-08-25 2019-06-14 Lg电子株式会社 移动机器人及其控制方法
CN110908377A (zh) * 2019-11-26 2020-03-24 南京大学 一种机器人导航空间约简方法
CN111309011A (zh) * 2019-11-11 2020-06-19 弗徕威智能机器人科技(上海)有限公司 一种自主探索目标的决策方法、系统、设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180021595A (ko) * 2016-08-22 2018-03-05 엘지전자 주식회사 이동 로봇 및 그 제어방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109890574A (zh) * 2016-08-25 2019-06-14 Lg电子株式会社 移动机器人及其控制方法
CN207115189U (zh) * 2017-06-01 2018-03-16 深圳乐动机器人有限公司 机器人系统
CN108303984A (zh) * 2018-02-27 2018-07-20 弗徕威智能机器人科技(上海)有限公司 一种移动机器人的自主回充方法
CN111309011A (zh) * 2019-11-11 2020-06-19 弗徕威智能机器人科技(上海)有限公司 一种自主探索目标的决策方法、系统、设备及存储介质
CN110908377A (zh) * 2019-11-26 2020-03-24 南京大学 一种机器人导航空间约简方法

Also Published As

Publication number Publication date
CN113721603A (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
Taylor et al. Vision-based motion planning and exploration algorithms for mobile robots
US9116523B2 (en) Apparatus and method of cell-based path planning for mobile body
EP1734433B1 (en) Path generator for mobile object
CN109059924A (zh) 基于a*算法的伴随机器人增量路径规划方法及系统
Chand et al. Mapping and exploration in a hierarchical heterogeneous multi-robot system using limited capability robots
WO2023125512A1 (zh) 导航路径的规划方法、装置及存储介质
CN114690753A (zh) 基于混合策略的路径规划方法、自主行进设备及机器人
JP5728564B2 (ja) ロボットシステム及び地図更新方法
CN114911228A (zh) 机器人路径规划方法、装置及机器人
CN114343490B (zh) 机器人清扫方法、机器人及存储介质
CN115494834A (zh) 机器人路径规划方法、装置及机器人
CN114610042A (zh) 机器人路径动态规划方法、装置及机器人
JP5953393B2 (ja) ロボットシステム及び地図更新方法
Stachniss et al. Coordinated multi-robot exploration
CN114397893A (zh) 路径规划方法、机器人清扫方法及相关设备
Brown et al. The constriction decomposition method for coverage path planning
CN113721603B (zh) 基站探索方法、装置、机器人及可读存储介质
Gong et al. Multi-agent deterministic graph mapping via robot rendezvous
CN114815791A (zh) 可行驶空间规划方法及设备
Li et al. Searching for optimal off-line exploration paths in grid environments for a robot with limited visibility
Jan et al. A computationally efficient complete area coverage algorithm for intelligent mobile robot navigation
CN113485372B (zh) 地图探索方法和装置、存储介质、电子装置
CN116149314A (zh) 机器人全覆盖作业方法、装置及机器人
CN113741425B (zh) 一种全覆盖路径规划方法及导航系统
US20230244235A1 (en) Route planning system, mobile robot, computer-readable storage medium storing a route planning program, and mobile robot control program

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant